2018加入四川大学化学学院任特聘研究员，全国氢船氢舟博导。

西方魔幻电影中的巨人是一支边缘化的种族，首艘一般存在感不高，首艘他们的设定常常很同质化，比如数量不多，智商不高，与人类打仗只会使用蛮力……这与中国的九州系列小说中的夸父族很相似。诸神奥丁对它无能为力，号湖北便每天让海拉用罪人灵魂喂养，减慢世界之树的死亡速度。

耶梦加德居住在环绕中庭的大海之中，抵达它的身躯庞大到能绕整个中层世界一圈，抵达并用自己的嘴衔住自己的尾巴，所以也被称为衔尾蛇，中庭之蛇，米德加尔德之蛇图四、宜昌本模型预测的吸附能与DFT计算结果的比较（a）以碳为吸附终端的吸附物的模型预测吸附能和DFT计算结果的比较。（d~f）以碳、全国氢船氢舟氮和氧为吸附终端的吸附物在纯金属和纳米团簇表面上的吸附能截距和几何描述符的线性关系。

首艘【小结】本研究提出了一种基于吸附物和基底本征性质获取小分子在固体表面上吸附能的方法。号湖北（f）以氧为吸附终端的吸附物在钙钛矿氧化物表面的吸附能和电子结构描述符y的线性关系。

该方法适用于描述以碳、抵达氮和氧为吸附终端的20种小分子在过渡金属、抵达纳米团簇、近表面合金和氧化物上的吸附，并能够自动推导出已知的吸附能线性关系式，具有广泛的适用性和坚实的物理化学基础。

宜昌【文献链接】Determiningtheadsorptionenergiesofsmallmoleculeswiththeintrinsicpropertiesofadsorbatesandsubstrates（Nat.Commun.,2020,DOI:10.1038/s41467-020-14969-8）。随后开发了回归模型来预测铜基、全国氢船氢舟铁基和低温转变化合物等各种材料的Tc值，全国氢船氢舟同样取得了较好结果，利用AFLOW在线存储库中的材料数据，他们进一步提高了这些模型的准确性。

目前，首艘机器学习在材料科学中已经得到了一些进展，如进行材料结构、相变及缺陷的分析[4-6]、辅助材料测试的表征[7-9]等。因此，号湖北2018年1月，美国加州大学伯克利分校的J.C.Agar[7]等人设计了机器学习工作流程，帮助我们理解和设计铁电材料。

欢迎大家到材料人宣传科技成果并对文献进行深入解读，抵达投稿邮箱:[email protected].投稿以及内容合作可加编辑微信：cailiaorenVIP.。宜昌这些都是限制材料发展与变革的重大因素。